Uji hipotesis

Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa data, baik dari
percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil
bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebapkan
oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
[1]

Uji hipotesis kadang disebut juga "konfirmasi analisa data". Keputusan dari uji hipotesis hampir
selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah pengujian untuk menjawab
pertanyaan yang mengasumsikan hipotesis nol adalah benar. [2]

Daerah kritis (en= Critical Region) dari uji hipotesis adalah serangkaian hasil yang bisa menolak
hipotesis nol, untuk menerima hipotesis alternatif. Daerah kritisini biasanya di simbolkan dengan
huruf C.

Definisi berikut diambil dari buku karangan Lehmann dan Romano:[3]

Hipotesis statistik 
Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi (bukan sampel).
Statistik 
Angka yang dihitung dari sekumpulan sampel.
Hipotesis nol (H0) 
Sebuah hipotesis yang berlawanan dengan teori yang akan dibuktikan.
Hipotesis alternatif (H1) atau Hipotesis kerja (Ha)
Sebuah hipotesis (kadang gabungan) yang berhubungan dengan teori yang akan
dibuktikan.
Tes Statistik 
Sebuah prosedur dimana masukannya adalah sampel dan hasilnya adalah hipotesis.
Daerah penerimaan 
Nilai dari tes statistik yang menggagalkan untuk penolakan hipotesis nol.
Daerah penolakan 
Nilai dari tes statistik untuk penolakan hipotesis nol.
Kekuatan Statistik (1 − β)
Probabilitas kebenaran pada saat menolak hipotesis nol.
Tingkat signifikan test (α)
Probabilitas kesalahan pada saat menolak hipotesis nol.
Nilai P (P-value)
Probabilitas, mengasumsikan hipotesis nol benar.

Jika nilai p lebih kecil dari tingkat signifikan test yang diharapkan, maka hipotesis nol bisa di
tolak. Jika nilai p tidak lebih kecil dari tingkat signifikan test yang diharapkan bisa disimpulkan
bahwa tidak cukup bukti untuk menolak hipotesa nol, dan bisa disimpulkan bahwa hipotesa
alternatiflah yang benar.
Prosedur Uji Hipotesis[
Tentukan parameter yang akan diuji

1. Tentukan Hipotesis nol (H0)

2. Tentukan Hipotesis alternatif (H1)
3. Tentukan (α)
4. Pilih statistik yang tepat
5. Tentukan daerah penolakan
6. Hitung statistik uji
7. Putuskan apakah Hipotesis nol (H0) ditolak atau tidak

Contoh Uji Hipotesis[

Seorang yang dituduh pencuri dihadapkan kepada seorang hakim. Seorang hakim akan
menganggap orang tersebut tidak bersalah, sampai kesalahannya bisa dibuktikan. Seorang jaksa
akan berusaha membuktikan kesalahan orang tersebut.

Dalam kasus ini, Hipotesis nol (H0) adalah: "Orang tersebut tidak bersalah", dan Hipotesis
alternatif (H1) adalah : "Orang tersebut bersalah". Hipotesis alternatif (H1) inilah yang akan
dibuktikan.

Ada dua kondisi yang mungkin terjadi terhadap orang tersebut:

1. Orang tersebut tidak bersalah.

2. Orang tersebut bersalah.

Dan ada dua keputusan yang bisa diambil hakim

1. Melepaskan orang tersebut.

2. Memenjarakan orang tersebut.

Hipotesis nol (H0) benar

Hipotesis alternatif (H1) benar
(Orang tersebut tidak
(Orang tersebut bersalah)
bersalah)
Menerima hipotesis nol Keputusan yang salah
Keputusan yang benar
(Orang tersebut dibebaskan) (Kesalahan Tipe II)
Menolak hipotesis nol Keputusan yang salah
Keputusan yang benar.
(Orang tersebut dipenjara) (Kesalahan Tipe I)

Dalam kasus ini, ada dua kemungkinan kesalahan yang dilakukan hakim

1. Memenjarakan orang yang benar (Kesalahan Tipe I)

2. Melepaskan orang yang bersalah (Kesalahan Tipe II)
Ada banyak jenis uji hipotesis yang dikenal. Tabel berikut menjelaskan rumus untuk masing-
masing uji hipotesis tersebut.

Nama Rumus Asumsi / Catatan

(Populasi normal atau n > 30) dan σ
diketahui.

Satu sampel z- (z adalah jarak dari rata-rata

test sehubungan dengan simpangan baku
(En=One- rata-rata). Untuk distribusi non-
sample z-test) normal memungkinkan untuk
dihitung proporsi terkecil dalam
sebuah populasi yang berada di dalam
k simpangan baku untuk setiap k.
Dua sampel z-
test Populasi normal dan observasi
(En=Two- independen dan σ1 dn σ2 diketahui
sample z-test)
Satu sampel t-
test (Populasi normal atau n > 30) dan
(En=One- tidak diketahui
sample t-test)

Pasangan t-test
(Populasi normal dari perbedaan atau
(En=Paired t-
n > 30) dan tidak diktahui
test)

Dua sampel t-
test digabung
(En=Two- (Populasi normal atau n1 + n2 > 40)
sample pooled dan observasi independen dan σ1 = σ2
t-test) idak diketahui
varians yang
sama [4]

Dua sampel t-
test terpisah
(En=Two- (Populasi normal atau n1 + n2 > 40)
sample dan observasi independen dan kedua
unpooled t-test) σ1 ≠ σ2 diketahui
varians tidak
sama
[4]
Satu proporsi
z-test
(En=One- n .p0 > 10 dan n (1 − p0) > 10.
proportion z-
test)
Dua proporsi z-
test
(En=Two- n1 p1 > 5 dan n1(1 − p1) > 5 dan n2
proportion z- p2 > 5 dan n2(1 − p2) > 5 dan
test) observasi independen.

digabungkan
Dua proporsi z-
test
(En=Two- n1 p1 > 5 dan n1(1 − p1) > 5 dan n2
proportion z- p2 > 5 dan n2(1 − p2) > 5 dan
observasi independen.
test)
tidak digabung
Chi-squared
test untuk Populasi normal
varians
df = k - 1 - # parameter terestimasi

• Semua jumlah yang diharapkan

Chi-squared
paling tidak 5.[5]
test untuk
goodness of fit
• Semua jumlah yang diharapkan > 1
dan tidak lebih dari 20% dari jumlah
yang diharapkan lebih kecil dari 5[6]
Dua sampel F
test untuk
persamaan Populasi normal
varians
(En=Two- Diurutkan > dan H0 ditolak jika
[7]
sample F test
for equality of
variances)
Definisi simbol:
 = Variacs  = x/n = Proporsi sampel,
 , probabilitas melakukan sampel (kecuali ditentukan
kesalahan tipe I (menolak  = Simpangan sebelumnya)
hipotesis nol pada saat baku sampe 1  = Dugaan proporsi
hipotesis nol benar)  = Simpangan populasi
 = Jumlah sampel baku sampe 2  = proporsi 1
 = Jumlah sampel 1  = t statistik  = proporsi 2
  = Jumlah sampel 2  = derajat  = Dugaan perbedaan
 = Rata-rata sampel kebebasan proporsi
 = Dugaan rata-rata (En=Degree of  = minimum
populasi freedom) of n1 and n2
 = Rata-rata populasi 1  = Rata-rata 
 = Rata-rata populasi 2 perbedaan 
 = Simpangan baku sampel
 = F statistik
populasi  = Dugaan
 = Varians populasi rata-rata
 = Simpangan baku sampel perbedaan
populasi
 = Penjumlahan(dari  = Simpangan
angka sejumlak k) baku perbedaan
 = Chi-
squared statistik

Referensi[
^ R. A. Fisher (1925). Statistical Methods for Research Workers, Edinburgh: Oliver and Boyd,
1925, p.43.

1. ^ Cramer, Duncan; Dennis Howitt (2004). The Sage Dictionary of Statistics.

hlm. 76. ISBN 076194138X.
2. ^ Lehmann, E.L.; Romano, Joseph P. (2005). Testing Statistical Hypotheses (ed.
3E). New York: Springer. ISBN 0387988645.
3. ^ a b NIST handbook: Two-Sample t-Test for Equal Means
4. ^ Steel, R.G.D, and Torrie, J. H., Principles and Procedures of Statistics with
Special Reference to the Biological Sciences., McGraw Hill, 1960, page 350.
5. ^ Weiss, Neil A. (1999). Introductory Statistics (ed. 5th). hlm. 802. ISBN 0-201-
59877-9.
6. ^ NIST handbook: F-Test for Equality of Two Standard Deviations (Testing
standard deviations the same as testing variances)

 Wilson González, Georgina; Karpagam Sankaran (September 10, 1997). "Hypothesis

Testing". Environmental Sampling & Monitoring Primer. Virginia Tech.